-
公开(公告)号：CN117473979A
公开(公告)日：2024-01-30
申请号：CN202311486783.4
申请日：2023-11-09
Applicant: 重庆邮电大学
IPC: G06F40/205 , G06F40/284 , G06F18/20 , G06F18/213 , G06F18/214 , G06F18/2415 , G06N3/0442 , G06N3/084
Abstract: 本发明涉及一种上下文联系的学评教方面级情感分析方法，属于智能教育技术领域。该方法包括以下步骤：S1：数据采集；S2：记忆信息提取；S3：位置编码；S4：注意力交互；S5：上下文联系迭代；S6：情感分类；本发明可以准确的对情感表达不显著的教学评价文本进行情感分类，解决教学评价中因存在不显著的情感特征，导致情感误分类的问题。
-
公开(公告)号：CN112419184B
公开(公告)日：2022-11-04
申请号：CN202011305283.2
申请日：2020-11-19
Applicant: 重庆邮电大学
IPC: G06T5/00 , G06N3/08 , G06N3/04 , G06V10/774 , G06V10/82
Abstract: 本发明属于图像处理领域，具体涉及一种综合局部信息和全局信息的空间注意力图像去噪方法，该方法包括：实时获取图像，将获取的图像输入到训练好的图像去噪模型中，得到去噪后的图像；所述图像去噪模型包括图像浅层特征提取模块、图像特征增强组以及图像重建模块；本发明设计的图像去噪模型通过同时采用串联和并联方式将非局部模块、空间注意力残差块和扩张卷积相结合来实现同时捕获图像的局部特征和全局特征，因此极大地增强了网络的表示能力，能够很好的同时兼顾噪声的去除和图像结构的保护。
-
公开(公告)号：CN118297154A
公开(公告)日：2024-07-05
申请号：CN202410534551.X
申请日：2024-06-07
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种融合学习场景的可解释学习路径推荐方法，属于教育信息化领域。该方法包括：使用K‑prototype算法挖掘与学习者知识水平相关的个性化特征，对相同学习偏好的学习者进行聚类，形成个性化表征；使用邻域标定的图注意力网络建模知识图谱中实体以及实体间的语义关系，表征知识图谱语义信息，并采用深度优先搜索算法对知识图谱进行遍历，获得候选学习路径集；使用多约束算法，从学习场景驱动出发，将候选学习路径集与学习者进行匹配，通过聚合学习者特征信息与知识图谱的语义信息，完成可解释的学习路径推荐。
-
公开(公告)号：CN119296157A
公开(公告)日：2025-01-10
申请号：CN202411415644.7
申请日：2024-10-11
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及一种建模复杂时空关系的动态面部表情识别方法，属于计算机视觉领域。该方法包括：划分人脸表情数据为训练集和验证集，并进行数据预处理；构建多视角时空网络；将多视角时空网络捕获的表情时空特征通过全连接层和softmax评分函数映射到基本表情的标签体系中，完成面部表情的识别分类。本发明可以从全局和局部两个视角关注表情关键的空间特征，并从短期和长期视角来捕获表情的时序特征，以此共同建模由表情个体差异产生的复杂时空关系，从而提升面部表情识别任务的准确性。
-
公开(公告)号：CN118736647A
公开(公告)日：2024-10-01
申请号：CN202410859838.X
申请日：2024-06-28
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/774 , G06V10/776 , G06V10/46 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种无关身份的多任务面部表情识别方法，属于计算机视觉领域。该方法包括：划分人脸表情数据为训练集和验证集，进行数据预处理后通过特征预提取器提取表情浅层特征；构建协同注意力用于不同任务间深层特征的交互学习；通过生成的面部关键点构建区域增强注意力，关注人脸局部关键区域的特征信息；在人脸识别任务中，通过获取的人脸独特信息构建空间属性注意力，减少表情特征中的个人特定属性；将面部表情识别任务捕获的表情特征通过全连接层和softmax评分函数映射到基本表情的标签体系中，并通过多损失联合训练优化。本发明增强局部关键特征和削弱个人特定属性，排除与身份相关的人脸特征，提升面部表情识别任务的准确性。
-
Patent Agency Ranking
公开(公告)号：CN118135635A
公开(公告)日：2024-06-04
申请号：CN202410254312.9
申请日：2024-03-06
Applicant: 重庆邮电大学
Abstract: 本发明实施例公开了一种人脸图像的识别方法、装置、电子设备及介质，其中方法包括：获取第一图像序列和第二图像序列；所述第一图像序列和所述第二图像序列分别为同一目标人物对象在车辆中处于不同角度下的图像序列；基于所述第一图像序列和所述第二图像序列确定所述目标人物对象所对应的第一待校正图像和第二待校正图像；校正所述第一待校正图像和第二待校正图像，得到第一校正图像序列和第二校正图像序列；针对所述第一校正图像序列和第二校正图像序列进行人脸识别，得到所述目标人物对象的人脸识别结果。实施本发明实施例可针对人脸图像进行校正，提升人脸识别的准确率。
-
公开(公告)号：CN112419184A
公开(公告)日：2021-02-26
申请号：CN202011305283.2
申请日：2020-11-19
Applicant: 重庆邮电大学
Abstract: 本发明属于图像处理领域，具体涉及一种综合局部信息和全局信息的空间注意力图像去噪方法，该方法包括：实时获取图像，将获取的图像输入到训练好的图像去噪模型中，得到去噪后的图像；所述图像去噪模型包括图像浅层特征提取模块、图像特征增强组以及图像重建模块；本发明设计的图像去噪模型通过同时采用串联和并联方式将非局部模块、空间注意力残差块和扩张卷积相结合来实现同时捕获图像的局部特征和全局特征，因此极大地增强了网络的表示能力，能够很好的同时兼顾噪声的去除和图像结构的保护。
-
公开(公告)号：CN117373489A
公开(公告)日：2024-01-09
申请号：CN202311349934.1
申请日：2023-10-18
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于迁移学习的教师语音情感识别方法，属于教育信息化领域。该方法包括特征提取部分、全局域鉴别部分、局部子域鉴别部分、自适应对抗部分以及分类模块。在特征提取部分中对采集到的教师语音数据经过抽样量化、分帧、加窗、端点检测等数据预处理，得到的数据作为目标域数据，选取已有标签的其他数据集作为源域数据。全局域鉴别部分和局部子域鉴别部分分别获取全局分布和局部分布并计算两个域之间的分布差异。最后获取源域和目标域的域不变特征，经过分类模块识别出目标域中无标签数据的情感类别，完成跨领域的语音情感识别。本发明可以有效地识别出无标签状态下教师语音的情感类别。
-
公开(公告)号：CN119691263A
公开(公告)日：2025-03-25
申请号：CN202411692200.8
申请日：2024-11-25
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06N5/022 , G06N3/042 , G06N3/045 , G06F16/28 , G06F16/901 , G06F40/30 , G06Q50/20
Abstract: 本发明涉及一种基于学科知识图谱和图神经网络的个性化学习资源推荐方法，属于教育内容推荐领域。该方法包括：提取教材中的关键实体以及关键实体之间的关系，构建学科知识图谱；根据学生在学习过程中的行为数据，建立初步的学习记录表；通过知识追踪模型整合、预测学生对于学习记录表中的每个知识点的掌握程度分布，构建学生画像；将学科知识图谱中的知识点及其关联关系嵌入学生画像中，并通过图神经网络更新学生画像中的知识嵌入表示；构建个性化推荐模型，采用协同过滤和内容推荐的混合推荐方法推送符合学生当前学习状态的学习资源。本发明能够在多维度上准确捕捉学生的个性化需求，有效提高推荐内容的准确性、泛化性和可解释性。
-
公开(公告)号：CN119625225A
公开(公告)日：2025-03-14
申请号：CN202411662513.9
申请日：2024-11-20
Applicant: 重庆邮电大学
IPC: G06T19/00 , G06T15/00 , G06V20/20 , G06V10/62 , G06V10/46 , G06V10/74 , G06V10/75 , G06V10/771 , G06F3/01 , G06Q50/20
Abstract: 本发明涉及一种基于增强现实技术的新型课程资源建设方法与系统，属于数字教育资源领域。该方法和系统采用移动AR自适应特征增强与高效匹配算法获取标识图像，并进行图像特征检测与识别；进行相机位姿估计，确定虚拟元素在实际空间中的位置和姿态；预先对课程资源中的展示内容进行建模，根据特征匹配结果调取对应模型，并根据相机位姿估计结果进行虚拟融合；建立移动增强现实交互方式。本发明通过改进的AE‑ORB算法进行自适应特征增强与特征点高效匹配，在特征点的匹配有效性、匹配效率方面均相较于其他方法所提升，进而保证学生能够通过本发明加强对学习内容的理解，提升学习效果。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.023 seconds)
